شماره ركورد كنفرانس :
3822
عنوان مقاله :
پيش‌بيني محبوبيت اخبار با استخراج ويژگي‌هاي مبتني بر گراف و ماشين بردار پشتيبان
پديدآورندگان :
دامي سينا استاديار، دانشگاه آزاد اسلامي، واحد تهران غرب، گروه كامپيوتر، تهران، ايران , سبزه پرور مهيار دانشجوي كارشناسي ارشد، دانشگاه آزاد اسلامي، واحد تهران غرب، گروه كامپيوتر، تهران، ايران
كليدواژه :
پيش‌بيني محبوبيت اخبار , گراف كاربران , ويژگي‌هاي گراف , استخراج ويژگي , SVM.
عنوان كنفرانس :
چهارمين كنفرانس ملي فناوري اطلاعات، كامپيوتر و مخابرات
چكيده فارسي :
در اين مقاله چارچوبي براي پيش‌بيني چند شاخص محبوبيت اخبار نظير تعداد نظرات، تعداد كاربران، امتياز رأي و قابليت بحث‌برانگيزي ارائه شده است. اين چارچوب از يك روش مهندسي ويژگي استفاده مي‌كند و بر روي ويژگي‌هاي دو منبع تعاملات اجتماعي ذاتي در بحث‌هاي آنلاين شامل درخت نظرات و گراف كاربران تمركز مي‌كند. پس از استخراج ويژگي‌هاي مبتني بر گراف از يك ماشين بردار پشتيبان جهت پيش‌بيني محبوبيت اخبار استفاده شد. نتايج تجربي نشان داد كه ويژگي‌هاي پيشنهادي مبتني بر گراف، پيچيدگي‌هاي هر دو گراف تعامل اجتماعي را مرتفع كرده و باعث بهبود پيش‌بيني شاخص‌هاي محبوبيت در مجموعه داده پست‌هاي خبري آنلاين مي‌گردد. بهخصوص، بهبود نسبي در ميانگين مربعات خطا در مجموعه داده اخبار Reddit در مقايسه با كارهاي گذشته كه در آن تنها از ويژگي‌هاي درخت نظرات ابتدايي استفاده مي‌شد، مشاهده گرديد.
